論文の概要: LAWFUL: Law-Aligned Witness for Faithful Use of Latents

• arxiv url: http://arxiv.org/abs/2607.28672v1
• Date: Sun, 26 Jul 2026 01:32:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.355521
• Title: LAWFUL: Law-Aligned Witness for Faithful Use of Latents
• Title（参考訳）: LAWFUL:潜伏者の忠実な利用のための法に則った証人
• Abstract要約: ニューラルネットワークがドップラー周波数法$f(t) = frac2 v(t)$を運動キャプチャーおよびレーダデータから学習し、内部で使用するかどうかを検討する。 基礎となるフレームワークであるLAWFULを開発し、最初の2つを閉じ、残りの2つを基礎として配置する。 これをMocap2Radar変換器で説明し、動作キャプチャからドップラー周波数法$f(t) = frac2 v(t)$を学習し、内部で使用するかどうかを検証する。
• 参考スコア（独自算出の注目度）: 1.4937905358679553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When a neural network predicts a physical system accurately, has it learned the governing law as formal, structured knowledge, and if so, does the network's internal computation actually use that representation throughout the law's domain of validity? We identify four interpretability gaps that limit answering these questions for {\em physics laws over continuous variables}: the absence of a coverage-aware causal-consistency measure over continuous counterfactuals; of a domain-of-validity test for the identified circuit; of a verification of the law's invariants and forbidden behaviors; and of a quantification of how a derived physical quantity flows through the circuit. We develop a foundational framework, LAWFUL, that closes the first two and lays groundwork for the remaining two, and illustrate it on the Mocap2Radar transformer, validating whether it learns and internally uses the Doppler frequency law $f(t) = \frac{2 v(t)}λ$ from motion-capture and radar data in which neither $f(t)$ nor $v(t)$ appears.
• Abstract（参考訳）: ニューラルネットワークが物理的システムを正確に予測するとき、統治法を形式的で構造化された知識として学習し、もしそのようにすれば、ネットワークの内部計算はその表現を法の正当性領域全体にわたって実際に利用するのだろうか? 本研究は, 連続変数に対する有意な物理法則の解答を制限する4つの解釈可能性ギャップを同定する。すなわち, 連続的反事実に対する包括的因果一貫性尺度の欠如, 同定された回路に対する正当性試験の欠如, 法則の不変性と禁止された動作の検証, 導出した物理量がどのように回路を流れるかの定量化である。 基礎となるフレームワークであるLAWFULを開発し、最初の2つを閉じ、残りの2つを基礎として、Mocap2Radar変換器でそれを記述し、運動キャプチャーとレーダデータからドップラー周波数法$f(t) = \frac{2 v(t)}λ$を学習し、内部で使用するかどうかを検証する。

関連論文リスト

• Intrinsic Structure: Spectral Identifiability for Mechanistic Interpretability [51.56484100374058]
  機械論的解釈可能性プリミティブに対する最初の識別可能性定理を証明した。 スペクトルは、正当性分解ではなく、記述されたエラーバーを持つ識別可能なモデル固有の指紋である。
  論文  参考訳（メタデータ） (2026-08-10T19:42:01Z)
• A Coherence Law for Trainability in Noisy Equivariant Quantum Neural Networks [0.8694591156258423]
  ノイズがあればネットワークをトレーニングできない量子ニューラルネットワーク構造について検討する。 2つの異なる効果が訓練可能な勾配を支配していることが分かる。 コヒーレンスは次に、非対角セクターモードの収縮によってどれだけの速度で崩壊するかを決定する。
  論文  参考訳（メタデータ） (2026-06-28T16:43:36Z)
• A Variational Framework for LLM Generator-Regulator Games [20.036142577511455]
  本稿では,制御言語生成のための変分フレームワークを開発する。 モデレーション、検閲、AI偽装検出、コンプライアンス監査、フィッシング防御、操作制御に適用される。
  論文  参考訳（メタデータ） (2026-06-16T19:19:22Z)
• Quantifying Uncertainty In Wide Two-Layer Neural Networks: On The Law Of The Limiting Fluctuation Process [3.0171175820634826]
  ニューラルネットワーク予測における不確かさの定量化は、通常のアプリケーションでは大きな問題である。 提案手法では,PDEの分散情報を用いて不確実性を直接評価することにより,コスト削減を図る。 そこで我々は,勾配降下法により訓練された広帯域2層ニューラルネットワークの平均場限界付近のランダムなゆらぎを記述する制限過程の法則について検討した。
  論文  参考訳（メタデータ） (2026-06-04T10:25:23Z)
• TorchLean: Formalizing Neural Networks in Lean [71.68907600404513]
  本稿では,学習モデルを一級数学的対象として扱うフレームワークであるTorchLeanを紹介する。 我々はTorchLeanのエンドツーエンドを、証明された堅牢性、PINNの物理インフォームド残差、Lyapunovスタイルのニューラルコントローラ検証で検証する。
  論文  参考訳（メタデータ） (2026-02-26T05:11:44Z)
• Causality $\neq$ Decodability, and Vice Versa: Lessons from Interpreting Counting ViTs [6.622603488436762]
  物体計数のために微調整された視覚変換器(ViT)の関係について検討する。 アクティベーションパッチを用いて,空間トークンとCLSトークンの因果的役割を検証した。 我々は、異なる深さでカウント情報の復調性を評価するために線形プローブを訓練する。
  論文  参考訳（メタデータ） (2025-10-10T18:59:03Z)
• Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers [90.50039419576807]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、人為的なラベル付けを避けるために、自動検証に対するポリシーを訓練する。 認証ハッキングの脆弱性を軽減するため、多くのRLVRシステムはトレーニング中にバイナリ$0,1$の報酬を破棄する。 この選択にはコストがかかる:textitfalse negatives(正しい回答、FNを拒絶)とtextitfalse positives(間違った回答、FPを受け入れる)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T13:56:44Z)
• VeriFlow: Modeling Distributions for Neural Network Verification [3.510536859655114]
  フォーマル検証は、ニューラルネットワークの安全性と信頼性を保証するための有望な方法として登場した。 本稿では,検証手法が関心のあるデータ分布に限定できるように,フローベース密度モデルとしてVeriFlowアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-06-20T12:41:39Z)
• Some consequences of Sica's approach to Bell's inequalities [55.2480439325792]
  ルイ・シカ(Louis Sica)は、ベルの不等式は、あるステーションで観測された結果の時系列が、他のステーションの設定が変更されても変化しないという仮説から導いた。 本稿では,Sicaのアプローチを非理想的効率と実時間構造に拡張する。
  論文  参考訳（メタデータ） (2024-03-05T13:59:52Z)
• On the Practicality of Differential Privacy in Federated Learning by Tuning Iteration Times [51.61278695776151]
  フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。 最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。 ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
  論文  参考訳（メタデータ） (2021-01-11T19:43:12Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• Self-Organized Error Correction in Random Unitary Circuits with Measurement [0.0]
  我々は、体積法エンタングルメントエントロピーに対する普遍的で従属的な対数的寄与を定量化する。 我々は、$A$ の絡み合いに対して、qudit を$A$ の奥深くで測定することは無視できる。 ボリュームロー状態は、量子誤り訂正符号におけるページ状態の符号化であると仮定する。
  論文  参考訳（メタデータ） (2020-02-27T19:00:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。